研究人员当前正在致力于打造一套新的算法版本，旨在为搜索效果提升、自动驾驶汽车、手机智能化升级以及物联网发展提供助力。
作为基于人脑结构的松散化模拟机制，深入学习算法已经被应用在众多先进技术当中，包括语音识别、自然语言处理以及机器人自主性运作等等。
现在，研究人员正在对这些算法进行换代研发，希望将其大规模应用于机器学习与人工智能领域、甚至可能将其作为此类关键性技术进步的实现基础。
Gabriel咨询公司分析师Dan Olds指出，如果我们将目光投向更为“深刻”的技术进步——例如能够自行驾驶、允许乘客省下时间进行休憩或者阅读的智能汽车，或者可以自主启动并将我们直接带至目的地的其它载具——那么深度学习算法将是其中必不可少的前提条件与组成部分。
“这些自动驾驶汽车领先‘观察’到的周边路况信息及机动性障碍实现安全先进。而更为出色的汽车能够区分行人及标志牌内容，从而更好地预测可能出现的突发性状况，”Olds解释道。“此外，智能化升级不仅将影响到我们未来的数字化生活，同时也会给现实生活带来重大影响。如果我们能够利用可信系统处理航班飞行或者驾驶任务，从而完成覆盖全国乃至全世界的货运任务，结果会怎样？如果我们可以在宽大的后座上睡觉，而让汽车自动完成驾驶任务，结果又会怎样？”
基本上讲，虽然大多数人甚至根本没听说过深度学习算法这一概念，但更卓越的算法确实能够为我们带来愈加光明的数字化前景——其中包括更具智能特性的家居环境、甚至是能够照顾病人并帮用户遛狗的机器人产品。
“这类研究成果可以说意义非凡，甚至有可能通过物联网及移动技术等途径将数据驱动机制拓展至无穷无尽的资源池范畴，”Moor Insights & Strategy公司分析师Patrick Moorhead指出。“尽管大多数人对此根本闻所未闻，但深度学习确实可算是数字化世界发展前景当中的核心组成部分。”
Andrew Ng在斯坦福大学计算机科学系担任副教授，同时也是百度公司的***科学家——这里向外国的读者朋友解释一句，百度是中国的一家网络服务企业、同时也是份额***的中文搜索引擎供应商。通过与来自斯坦福大学及百度公司的其他科学家进行协作，Ng目前正潜心打造下一代深度学习算法。他在于本周在美国坎布里奇市举办的麻省理工学院技术回顾EmTech会议上进行了主题演讲，透彻解读了深度学习技术在搜索及未来技术领域的实际应用。
斯坦福大学计算机科学系副教授Andrew Ng
他拥有丰富的背景积累，足以支撑起与深度算法相关的各项工作。Ng曾经在谷歌公司效力过一年半，并属于该公司Google Brain深度学习项目的发起者。
除了谷歌之外，微软、Facebook以及百度等多家企业也正在着手开发更为理想的深度学习算法，旨在满足自身对于大规模数据处理的实际需求。
Ng在接受采访时指出，此类算法的美妙之处在于当我们将规模愈发庞大的数据提交给传统算法时，这些陈旧方案往往开始变得迟钝、缓慢并最终无法继续消化。但深度学习算法却能够带来完全不同的使用效果。我们向其提交的数据总量越大，得出的分析结论也就越好。
人类大脑的运作效果之所以如此卓越，是因为其中充斥着大量彼此连通且利用电脉冲实现交流的神经元。深度学习算法的模仿对象正是人类大脑，旨在建立起一套基于模拟神经元的网络体系。
“当我们建立起规模愈发庞大的人脑模拟体系后，这些模型在吸纳大规模数据之后开始表现出相对更高效的处理成果，”Ng解释道。“这些属于容量极高的学习算法。”
目前工作进展可谓相当迅速。
大约四年之前，规模***的神经网络或者深度学习算法集合大约拥有1000万个连接节点。Ng指的是2011年年初，当时他刚刚开始推进谷歌的Google Brain项目，但如今整套模型当中的连接节点已经激增至10亿级别。去年，他与斯坦福大学的技术团队共同构建出一套拥有100亿个连接节点的神经网络模型。
Ng的一部分工作在于提升该算法，但他和他的同事们同时也在积极利用GPU或者叫图形处理单元来取代传统CPU或者叫中央处理单元在神经网络中的核心地位。这些专门针对计算机图形处理任务设计的芯片在实践活动中显示出强大的实力，被证明能够很好地完成大规模神经网络的构建任务——这是因为它们更善于处理此类计算工作。
“我们正在利用GPU硬件构建起新型深度学习平台，旨在帮助自身更出色地完成规模扩展工作，”Ng表示。“我们的协作伙伴包括我自己都是***次接触到如此规模的网络体系。其它企业也开始紧跟我们的脚步，但据我个人了解，目前百度仍然是***家针对深度学习构建起超大规模GPU集群的公司。”
如果能让这些算法迎来更为庞大的容量规模，应该意味着用户将在语音识别效果以及可视化搜索领域获得显著改进。根据Ng的观点，这些在技术领域绝对堪称历史性壮举。
随着越来越多贫困人口以及低文化群体开始接触网络体系，利用口头表达而非手动输入进行搜索查询工作的用户群体也将进一步膨胀。除此之外，相对于输入描述词汇，直接利用图片作为搜索目标的用户也会变得越来越多。
“在未来五年之内，将有大约半数查询请求将通过语音及图片的形式进行，因此这项技术也成为我们的主要资源投入对象，”Ng指出。
经过改进的语音识别技术允许司机在驾驶过程中大声发出口头指令，也允许乘客在自己的座位上直接向手机表达自己的需要，而这些内容将被准确发送到对应的接收方——例如向朋友汇报称自己无法按时抵达会合地点。
“尽管整个世界都开始向移动技术倾斜，我认为仍然没有哪家厂商能拿出一套真正适合移动设备的***用户界面，而其中的核心矛盾在于我们很难在智能手机上利用细小的软键盘方案快速完成输入，”Ng表示。“语音识别的效果已经变得越来越好，但平心而论尚无法达到我们的预期要求。当其水平改进到足够程度时，我非常乐意将语音识别作为智能手机设备上新型用户界面方案的设计核心。”
深度泥塑算法还将被用在我们的智能设备当中，包括智能汽车与可穿戴式技术——而这一切结合起来，也就构成了物联网时代的绝对主体。
“我认为远程控制方案将在我们的家庭环境中无处不在，”Ng指出。“如果大家身处家中并打算听点音乐来放松身心，比起现在掏出手机、解锁屏幕并按下一大堆虚拟按钮完成播放的操作，未来我们完全可以躺在沙发里、用口头方式让自己的百度设备直接播放来自Justin Timberlake的作品。我希望未来自己的孙儿们能够问我，‘很久以前，大家的家庭设备真的听不懂我们的口头命令吗？’相信到那个时候，他们肯定不敢相信原先家中需要准备一大堆不同类型的遥控器来操作各种设备。”
